08.6 정리

이번 장에서는 (약간) 깊은 CNN을 구현하고, 손글씨 숫자 인식에서 $99\%$를 넘는 높은 정확도를 얻었습니다. 또, 네트워크를 깊게 하는 동기를 이야기하고 최근의 딥러닝이 더 깊어지는 방향으로 가고 있다는 것도 설명했습니다. 그리고 딥러닝의 트렌드와 실제 활용 예, 고속화를 위한 연구와 미래를 느끼게 해주는 연구 사례를 소개했습니다.

지니가 대형 졸업 스크롤을 펼쳐서 8장의 심층 신경망 이점, 주요 거장 아키텍처, 연산 가속화 및 경량화, 다양한 비전 활용과 강화학습 요점을 도로시에게 전달하고 있어요.

지니의 최종 8장 요약 브리핑

• 지니: “도로시, 마지막 관문까지 정말 대견해! 8장에서 우리는 층을 깊게 하는 효율적 이유부터 역사적인 3대 모델(VGG, GoogLeNet, ResNet), 연산 속도를 가속하는 분산 학습과 비트 다이어트, 그리고 객체 검출(YOLO)과 이미지 생성(GAN), 강화학습(DQN)까지 딥러닝이 활약하는 모든 핵심 무대들을 완벽히 정리했단다!”
• 도로시: “웅! 책 전체 요약판을 보는 듯해서 머릿속에 지도가 아주 선명하게 정리가 돼!”

딥러닝 분야에서는 아직 모르는 것이 많고 새로운 연구가 꼬리를 물고 발표되고 있습니다. 전 세계 연구자와 기술자들은 예전부터 활발하게 연구를 계속했고 지금은 상상 속의 기술을 현실화하고 있습니다. 끝까지 읽어주셔서 고맙습니다. 독자 여러분이 책을 통해서 딥러닝을 더 잘 이해하고 딥러닝의 재미를 알아준다면 저자로서 더 이상의 행복은 없습니다.

이번 장에서 배운 것

• 수많은 문제에서 신경망을 더 깊게 하여 성능을 개선할 수 있다.
• 이미지 인식 기술 대회인 ILSVRC에서는 최근 딥러닝 기반 기법이 상위권을 독점하고 있으며, 그 깊이도 더 깊어지는 추세다.
• 유명한 신경망으로는 VGG, GoogLeNet, ResNet이 있다.
• GPU와 분산 학습, 비트 정밀도 감소 등으로 딥러닝을 고속화할 수 있다.
• 딥러닝(신경망)은 사물 인식뿐 아니라 사물 검출과 분할에도 이용할 수 있다.
• 딥러닝의 응용 분야로는 사진의 캡션 생성, 이미지 생성, 강화학습 등이 있다. 최근에는 자율 주행에도 딥러닝을 접목하고 있어 기대된다.

모든 인공지능 교과 과정의 모험을 성실하게 완수한 도로시와 지니가 멋진 마법 학사모와 왕관을 쓰고 서로를 격려하며 신나게 하이파이브를 나누고 있어요.

도로시와 지니의 졸업 축하

• 도로시: “우와! 지니! 우리가 드디어 1장 파이썬 기초부터 8장 딥러닝 정상까지 한 단원도 거르지 않고 다 완수했어! 해냈다는 자신감이 넘쳐나!”
• 지니: “정말 대단해, 도로시! 네 성실함과 지혜가 어우러져 이 복잡하고 어려운 딥러닝의 전 과정을 완전히 정복해 낸 거란다! 진심으로 축하해!”

토토가 꼬리를 흔들며 별빛이 쏟아지는 아름다운 은하수 언덕길을 향해 앞장서 가고, 도로시와 지니가 어깨동무를 한 채 환하게 웃으며 미래의 지평을 향해 걸어 나가고 있어요.

삼총사의 마지막 작별 및 응원

• 도로시: “지니, 토토! 나와 함께 모험을 헤쳐와 줘서 고마워! 이제 배운 인공지능 지식들로 더 놀라운 미래를 열어볼게!”
• 지니: “응, 도로시! 넌 언제 어디서든 멋진 AI 마법들을 부릴 수 있을 거야. 네 앞길을 항상 응원할게!”
• 토토: “왈왈! (지평선 너머 은하수를 보며) 새로운 모험 시작이다 멍!”